程序上，是给出一些动画帧，将它们合成为视频，并配上语音。例如语音 5s ，动画帧 10 帧，那么就是每帧持续 0.5s ，用 10 帧扩充为 5s 的视频并加上音轨。同时可能会有一些画中画的需求。
目前在 Python 上使用 moviepy 来做，合成一段 50s 的视频+配音，如果没有画中画大约 120s 左右（全程画中画大概翻倍），如果动画帧多些可能 150s 的样子。但是领导不满意，想要把这个时间压缩下来，用他的话说最好十几秒就合成完毕。本人没咋做过视频编解码的活，来问问 V2EX 的老哥们还有啥提速方案。
查了下 moviepy 底层用的是 ffmpeg ，貌似这个已经是很高效的视频编解码技术了。使用的机器没有专业显卡卡，但是可以申请到 AI 卡比如 T4 ，不知道能不能加速点。